在半導體制造邁向3nm及更先進節點的今天，一顆微米級的塵埃或納米級的劃痕，都足以讓價值不菲的芯片淪為廢品。傳統的抽樣檢測已無法滿足“零問題”的質量追求，自動光學檢測（AOI）系統憑借其非接觸、高速度與高精度的特性，正推動晶圓檢測從“概率把關”向“100%在線全檢”的革命性跨越。這不僅是對單一片晶圓的負責，更是對整個制造流程的實時監控。
一、為何必須追求“100%在線全檢”？
半導體制造遵循殘酷的“十倍法則”：在前道工藝未能發現的缺陷，流至后道封裝或終端應用時，其糾錯成本將呈指數級增長。傳統的抽檢模式存在兩大致命風險：一是漏檢風險，抽樣統計無法覆蓋批次內的個體異常；二是時效滯后，發現問題時往往已造成大批量連片不良。
100%在線全檢的核心價值在于“實時攔截”與“數據閉環”。它要求每一片晶圓在每一道關鍵工藝后（如光刻、刻蝕、薄膜沉積），都必須經過高速掃描，立即生成缺陷分布圖并反饋給制造執行系統（MES）。這種全量數據的積累，是優化工藝參數、提升整體良率（Yield）最直接的依據。
二、技術核心：如何實現高速高精度的“全視之眼”
實現100%全檢并非簡單的“拍照片”，而是對光學系統、運動控制與算法算力的考驗。
1.多模態光學成像技術：針對不同材質的晶圓（硅、碳化硅、氮化鎵）與不同類型的缺陷（顆粒、劃痕、圖案畸變），單一光源無法勝任。現代AOI設備融合了明場（BF）、暗場（DF）、紫外（UV）及紅外（IR）等多種成像模式。例如，暗場照明對微小顆粒物極其敏感，而紫外光因波長短，可顯著提升光學系統的理論分辨率，用于捕捉更細微的圖形缺陷。
2.高速線掃與TDI技術：對于300mm大硅片，若采用傳統面陣相機逐場拍攝，檢測時間將無法匹配產線節拍。高分辨率線陣相機配合時間延遲積分（TDI）技術成為主流解決方案。線掃相機像“掃描儀”一樣對晶圓進行連續掃描，TDI技術則通過多級積分大幅提升信噪比，使得設備在高速運動（高吞吐量）下仍能保持亞微米級的檢測精度，單片全檢時間被壓縮至分鐘級。
3.AI驅動的智能缺陷分類（ADC）：海量的圖像數據若僅靠人工復判，將成為產能瓶頸。基于深度學習（CNN）的缺陷分類算法，通過訓練數百萬張缺陷樣本，能夠自動區分“致命缺陷”（Killer Defect）與“偽缺陷”（Nuisance），如區分真正的電路斷線與灰塵陰影。AI不僅將識別準確率提升至99%以上，更大幅降低了系統的誤報率，實現了從“發現異常”到“定性歸因”的進化。
三、應用場景：貫穿制造全流程的“質量哨兵”
1.前道制程（FEOL）——裸晶圓與圖形化檢測
在晶圓尚未進行復雜電路制作的前期，光學檢測主要用于監控硅片本身的平整度、表面粗糙度及初始污染。在光刻后，設備通過對比設計規則（DRC）或相鄰芯片的圖案差異（Die-to-Die比較），快速定位曝光不良或刻蝕殘留。此時的全檢是防止缺陷流入摻雜、柵極形成等不可逆工藝的關鍵閥門。
2.后道與先進封裝——三維形貌與互連檢測
隨著芯片進入2.5D/3D封裝時代，檢測對象從平面轉向立體。晶圓缺陷光學檢測設備通過共聚焦或白光干涉技術，對TSV（硅通孔）、微凸點（Bump）的高度、共面性進行三維量測，確保后續鍵合工藝的良率。在此環節，100%全檢是保障芯片物理互聯可靠性的最后一道防線。
四、技術優勢：超越“檢測”的工藝控制價值
1.非接觸無損檢測：光學檢測不會對晶圓表面造成物理接觸或電荷積累（相比電子束檢測），確保了高價值晶圓在檢測過程中“零損傷”，可直接回流至產線。
2.數據驅動的良率提升：100%全檢產生的海量缺陷坐標與分類數據（Map Data），通過大數據分析，可精準追溯缺陷來源的機臺或工藝步驟。工程師能據此進行根因分析（RCA），將良率管理從事后補救轉向事前預測與過程控制。
3.成本與效率的平衡：雖然100%全檢增加了單臺設備的投入，但它替代了大量的人工抽檢與離線分析時間，避免了整批晶圓的報廢風險。從全生命周期看，其投資回報率（ROI）遠高于傳統的“抽檢+報廢”模式。
結語
晶圓缺陷的“零容忍”并非口號，而是半導體產業向更高集成度、更高可靠性進軍的必然要求。晶圓缺陷光學檢測設備作為實現這一目標的關鍵使能技術，正朝著更高速度、更智能的判讀方向發展。當每一片晶圓都擁有自己的“數字質量檔案”時，半導體制造的良率天花板將被再次推高。
4008929919
SCROLL
聯系人：營銷部
手機： 4008929919
座機：0574-62530070
地址：浙江省余姚市陽明街道舜宇路66-68號
快速導航